| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第一章 绪论 | 第14-24页 |
| ·统计过程控制研究的必要性 | 第14-15页 |
| ·统计过程控制的应用现状与发展 | 第15-17页 |
| ·统计过程控制的类型 | 第17-19页 |
| ·基于多元投影算法的监控方法 | 第19-22页 |
| ·主元分析的基本思想及发展 | 第19-21页 |
| ·独立元分析的基本思想及发展 | 第21-22页 |
| ·作者所做工作及文章结构安排 | 第22-24页 |
| 第二章 聚酯生产工艺介绍 | 第24-32页 |
| ·引言 | 第24页 |
| ·聚酯(PET)生产过程流程简介 | 第24-28页 |
| ·过程变量 | 第28-30页 |
| ·观测变量和监控变量 | 第28-30页 |
| ·数据的预处理 | 第30页 |
| ·过程故障 | 第30-32页 |
| 第三章 基于PCA和RPCA的过程监控及故障检测方法 | 第32-48页 |
| ·基于 PCA的过程监控方法 | 第32-36页 |
| ·主元分析 | 第33-34页 |
| ·主元模型 | 第34-35页 |
| ·多元统计控制图 | 第35-36页 |
| ·递归主元分析 | 第36-40页 |
| ·协方差矩阵的递推求解 | 第37-38页 |
| ·基于秩-1更新的递推主元分析 | 第38-40页 |
| ·仿真实例 | 第40-47页 |
| ·递归过程监控 | 第40-41页 |
| ·更新主元和负荷向量 | 第41-42页 |
| ·更新主元个数 | 第42页 |
| ·完整的自适应监控方法 | 第42页 |
| ·PCA和RPCA方法监控效果比较 | 第42-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 改进的多尺度非线性PCA方法及其应用 | 第48-70页 |
| ·小波多尺度理论 | 第48-51页 |
| ·小波分析 | 第48-49页 |
| ·多分辨率分析与小波变换 | 第49-51页 |
| ·多尺度分解 | 第51页 |
| ·独立元分析 | 第51-57页 |
| ·独立元分析的定义 | 第52-54页 |
| ·独立元分析算法 | 第54-57页 |
| ·改进的多尺度非线性监控方法 | 第57-62页 |
| ·基于自相关神经元网络的NLPCA方法 | 第57-58页 |
| ·改进的NLPCA方法 | 第58-60页 |
| ·改进后的监控策略 | 第60-62页 |
| ·仿真实例 | 第62-68页 |
| ·最优分解层 | 第62-63页 |
| ·过程监控 | 第63-68页 |
| ·基于贡献图的故障识别 | 第68页 |
| ·本章小结 | 第68-70页 |
| 第五章 基于RUFS-ICA的模型更新算法 | 第70-76页 |
| ·特征空间递归更新的ICA算法 | 第70-72页 |
| ·协方差矩阵的递归形式 | 第71页 |
| ·秩-1矩阵摄动方法寻找正交特征向量矩阵与对角特征值矩阵 | 第71-72页 |
| ·在线监测方法 | 第72-75页 |
| ·统计量及控制限的确定 | 第73页 |
| ·RUFS-ICA算法在线监测流程 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 第六章 总结 | 第76-78页 |
| ·研究工作总结 | 第76-77页 |
| ·研究展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-84页 |
| 研究成果及发表的学术论文 | 第84-86页 |
| 作者及导师简介 | 第86-87页 |
| 硕士研究生学位论文答辩委员会决议书 | 第87-88页 |